概述

人類存儲(chǔ)信息的發(fā)展歷程大致經(jīng)歷如下：

由于是個(gè)人憑著自己理解總結(jié)的，因此可能不一定精確，但是毋庸置疑的是，在當(dāng)代，各大公司機(jī)構(gòu)部門的數(shù)據(jù)都是維護(hù)在數(shù)據(jù)庫當(dāng)中的。

數(shù)據(jù)庫作為數(shù)據(jù)存儲(chǔ)介質(zhì)發(fā)展的最新產(chǎn)物，必然是具有許多優(yōu)點(diǎn)的，其中一個(gè)很大的優(yōu)點(diǎn)就是存儲(chǔ)在數(shù)據(jù)庫中的數(shù)據(jù)訪問速度非?？?。

數(shù)據(jù)庫訪問速度快的一個(gè)很重要的原因就在于索引index的作用。也就是這篇文章的主要想介紹的內(nèi)容，為什么索引可以讓數(shù)據(jù)庫查詢變快？

計(jì)算機(jī)存儲(chǔ)原理

在理解索引這個(gè)概念之前，我們需要先了解一下計(jì)算機(jī)存儲(chǔ)方面的基本知識(shí)。

我們知道數(shù)據(jù)持久化之后存在了數(shù)據(jù)庫里,那么我現(xiàn)在的問題是數(shù)據(jù)庫將數(shù)據(jù)存在了哪里？答案顯然是存在了計(jì)算機(jī)的存儲(chǔ)設(shè)備上。就個(gè)人電腦而言，數(shù)據(jù)被存在了我們的電腦存儲(chǔ)設(shè)備上。

計(jì)算機(jī)的存儲(chǔ)設(shè)備有很多種，其中速度越快的越貴，因此容量也往往越小例如我們的RAM隨機(jī)存儲(chǔ)器，也就是大家平時(shí)說的內(nèi)存條，速度慢的就相對(duì)便宜例如我們的硬盤。而我們的數(shù)據(jù)往往都是被存在最慢的存儲(chǔ)設(shè)備硬盤上的，因?yàn)榇嬖诋?dāng)中的數(shù)據(jù)在斷電之后依然存在。

計(jì)算機(jī)的存儲(chǔ)介質(zhì)有多種，例如硬盤，例如告訴緩存，不同的存儲(chǔ)介質(zhì)的數(shù)據(jù)讀取速度是不一樣的。例如，像RAM這樣的易失性存儲(chǔ)設(shè)備的讀寫操作就非?？欤L問其中的數(shù)據(jù)幾乎沒有延遲性。

由于這個(gè)原因，計(jì)算機(jī)操作系統(tǒng)的設(shè)計(jì)是這樣的：數(shù)據(jù)永遠(yuǎn)不會(huì)直接從硬盤等機(jī)械設(shè)備中取出，而是首先從硬盤轉(zhuǎn)移到更快的存儲(chǔ)設(shè)備，例如RAM，從RAM當(dāng)中應(yīng)用程序直接按需獲取數(shù)據(jù)。

計(jì)算機(jī)內(nèi)部的機(jī)械硬盤是下面這樣的：

在一個(gè)典型的硬盤驅(qū)動(dòng)器中可以有很多個(gè)盤片，“盤片”在外觀上非常類似于一個(gè)光盤（但具有很高的存儲(chǔ)容量）。盤片又被磁道分條，同時(shí)一個(gè)盤片又可以分為扇區(qū)。

要獲取數(shù)據(jù)，“盤片”需要由主軸進(jìn)行旋轉(zhuǎn)。大多數(shù)硬盤供應(yīng)商都提到了主軸旋轉(zhuǎn)的速度，例如，7200轉(zhuǎn)/分和15000轉(zhuǎn)/分。磁盤中的數(shù)據(jù)總是以扇區(qū)的固定大小倍數(shù)表示。因此，如果要從硬盤訪問數(shù)據(jù)，需要執(zhí)行以下步驟，這也是性能開銷的主要來源。

• 確定數(shù)據(jù)所在的正確磁道，并將磁頭移動(dòng)到該磁道。即通常說的尋道。
• 讓“主軸”旋轉(zhuǎn)盤片，使正確的扇區(qū)位于“磁盤頭”下方。
• 從扇區(qū)開始到扇區(qū)結(jié)束獲取整個(gè)數(shù)據(jù)。

如果數(shù)據(jù)恰好分布在連續(xù)扇區(qū)上，那么它將提高獲取數(shù)據(jù)的性能。因?yàn)橹鬏S和磁頭本身不需要移動(dòng)/旋轉(zhuǎn)，也就沒有太多開銷，但是大多數(shù)時(shí)候這種開銷是存在的。

由于存在這種開銷，我們不能直接從硬盤獲取數(shù)據(jù)。RAM的存儲(chǔ)器高性能的背后的主要原因是它沒有像硬盤那樣的機(jī)械運(yùn)動(dòng)部件。但是盡管RAM的性能很高，但它當(dāng)中的數(shù)據(jù)卻不會(huì)用作永久存儲(chǔ)，斷電之后就會(huì)消失，重新啟動(dòng)之后就什么都沒有了，這是我們需要硬盤來進(jìn)行持久化的原因所在。數(shù)據(jù)庫中的數(shù)據(jù)毫無疑問就是存放在硬盤當(dāng)中的，因此訪問數(shù)據(jù)庫中的數(shù)據(jù)不可避免的會(huì)經(jīng)歷磁盤操作的開銷。

索引是如何工作的？

知道上述知識(shí)后，索引就更容易理解了。

舉個(gè)例子，想象一下，現(xiàn)在有一本500頁厚包含幾十萬字的字典，同時(shí)里面的字是無序排列的，現(xiàn)在我需要你從中找出某幾個(gè)字出來同時(shí)不允許查看目錄。毫無疑問，我們只能一頁一頁的翻，這是非人類能接受的工作，我們必然想的是先看目錄，找到相關(guān)的字或者偏旁，然后去對(duì)應(yīng)的地方查找文字，這樣效率就大大提高了。目錄事實(shí)上就是一種索引，其思想一脈相承。

數(shù)據(jù)庫的索引類似于書中的這個(gè)目錄。索引會(huì)幫助我們快速檢索數(shù)據(jù)庫，查詢不需要通過整個(gè)表來獲取數(shù)據(jù)，而是從索引中找到數(shù)據(jù)塊。以一張數(shù)據(jù)庫表為例：

上表是一張真實(shí)的數(shù)據(jù)庫表，其中每一行是一條記錄，每條記錄都有字段。假設(shè)上面的數(shù)據(jù)庫是一個(gè)有10萬條記錄的大數(shù)據(jù)庫。現(xiàn)在，我們想從10萬條記錄中搜索一些內(nèi)容，那么挨著一個(gè)一個(gè)搜索無疑將花費(fèi)很長的時(shí)間，這個(gè)時(shí)候我們?cè)跀?shù)據(jù)結(jié)構(gòu)與算法里學(xué)的二分查找法就派上了用場。

二分查找法

使用二分查找法，需要將數(shù)據(jù)先排序，但是其查詢效率將大大提高。

例子如下:

假設(shè)我們?cè)谏厦娴臄?shù)據(jù)庫中使用的是固定長度的記錄,固定塊記錄大小為205個(gè)字節(jié)， 默認(rèn)塊大小是1024字節(jié)。則：

所以每個(gè)數(shù)據(jù)塊的記錄數(shù)=1024/204=5條記錄，10萬條記錄就是2萬個(gè)塊

不使用任何算法，我們要查詢100000條記錄中的某一條，，在最壞的情況下我們需要遍歷一遍2萬block才能獲得全部100000條記錄。但如果進(jìn)行二分查找，則只需要進(jìn)行20000的對(duì)數(shù)基數(shù)2，即14.287712次即可。這意味著我們只需對(duì)排序后的值進(jìn)行14次搜索，就可以使用二分查找到您感興趣的唯一值。

上圖是對(duì)一串?dāng)?shù)字生成的二叉查找樹。其時(shí)間復(fù)雜度為O(n)=O(log2N),即以2為底，n的對(duì)數(shù)。其中n為查找目標(biāo)群體的總數(shù)據(jù)量。

例如，假設(shè)N為8，則O(n) = O(2為底8的對(duì)數(shù)) = O(3).

遍歷方式，其時(shí)間復(fù)雜度為O(n)

在上述例子當(dāng)中，n就是10000。使用索引的時(shí)間復(fù)雜度為O(2為底10000的對(duì)數(shù)) 大約等于 13. 和O(10000)之間差大概800倍。

索引為何使得查詢變快？

這個(gè)時(shí)候我們就能直接回答上述問題了，建立了索引的數(shù)據(jù)，就是通過事先排好序，從而在查找時(shí)可以應(yīng)用二分查找來提高查詢效率。這也解釋了為什么索引應(yīng)當(dāng)盡可能的建立在主鍵這樣的字段上，因?yàn)橹麈I必須是唯一的，根據(jù)這樣的字段生成的二叉查找樹的效率無疑是最高的。

為什么索引不能建立的太多？

如果一個(gè)表中所有字段的索引很大，也會(huì)導(dǎo)致性能下降。想象一下，如果一個(gè)索引和一個(gè)表一樣長，那么它將再次成為一個(gè)需要檢查的開銷。這就好比字典的目錄非常詳細(xì)，但是其長度已經(jīng)和所有的文字一樣長，這個(gè)時(shí)候目錄本身的效率就大大下降了。

索引有弊端嗎？

肯定是有的，索引可以提高查詢讀取性能，而它將降低寫入性能。當(dāng)有索引時(shí)，如果更改一條記錄，或者在數(shù)據(jù)庫中插入一條新的記錄，它將執(zhí)行兩個(gè)寫入操作（一個(gè)操作是寫入記錄本身，另一個(gè)操作是將更新索引）。因此，在定義索引時(shí)，必須牢記以下幾點(diǎn)：

• 索引表中的每個(gè)字段將降低寫入性能。
• 建議使用表中的唯一值為字段編制索引。
• 在關(guān)系數(shù)據(jù)庫中充當(dāng)外鍵的字段必須建立索引，因?yàn)樗鼈冇兄诳缍鄠€(gè)表進(jìn)行復(fù)雜查詢。
• 索引還使用磁盤空間，因此在選擇要索引的字段時(shí)要小心。

什么是聚集索引

聚集索引clustered index也叫聚簇索引，它的定義是：聚集索引的表中數(shù)據(jù)行的物理順序與列值（一般是主鍵的那一列）的邏輯順序相同，一個(gè)表中只能擁有一個(gè)聚集索引。

例如:

結(jié)合上面的表格就很好理解了：數(shù)據(jù)行的物理順序與列值的順序相同，如果我們查詢id比較靠后的數(shù)據(jù)，那么這行數(shù)據(jù)的地址在磁盤中的物理地址也會(huì)比較靠后。聚集索引存儲(chǔ)記錄是物理上連續(xù)存在，而非聚集索引是邏輯上的連續(xù)，物理存儲(chǔ)并不連續(xù)。

為什么查詢更快呢？我們通過上面的分析知道了索引是通過二叉樹的數(shù)據(jù)結(jié)構(gòu)來描述的，我們可以這么理解聚簇索引：索引的葉節(jié)點(diǎn)就是數(shù)據(jù)節(jié)點(diǎn)。而非聚簇索引的葉節(jié)點(diǎn)仍然是索引節(jié)點(diǎn)，只不過有一個(gè)指針指向?qū)?yīng)的數(shù)據(jù)塊。

主鍵一般會(huì)默認(rèn)創(chuàng)建聚集索引。

在創(chuàng)建聚集索引之前，應(yīng)先了解您的數(shù)據(jù)是如何被訪問的?？煽紤]將聚集索引用于：

包含大量非重復(fù)值的列。使用下列運(yùn)算符返回一個(gè)范圍值的查詢：BETWEEN、>、>=、< 和 <=。被連續(xù)訪問的列。返回大型結(jié)果集的查詢。經(jīng)常被使用聯(lián)接或 GROUP BY 子句的查詢?cè)L問的列；一般來說，這些是外鍵列。對(duì) ORDER BY 或 GROUP BY 子句中指定的列進(jìn)行索引，可以使 SQL Server 不必對(duì)數(shù)據(jù)進(jìn)行排序，因?yàn)檫@些行已經(jīng)排序。這樣可以提高查詢性能。OLTP型的應(yīng)用程序，這些程序要求進(jìn)行非?？焖俚膯涡胁檎遥ㄒ话阃ㄟ^主鍵）。應(yīng)在主鍵上創(chuàng)建聚集索引。聚集索引不適用于：

頻繁更改的列 這將導(dǎo)致整行移動(dòng)，因?yàn)?SQL Server 必須按物理順序保留行中的數(shù)據(jù)值。這一點(diǎn)要特別注意，因?yàn)樵诖髷?shù)據(jù)量事務(wù)處理系統(tǒng)中數(shù)據(jù)是易失的

索引失效的典型例子

條件中用or，即使其中有條件帶索引，也不會(huì)使用索引查詢，這就是查詢盡量不要用or的原因，用in吧。

常見的sql優(yōu)化手段有哪些

1.避免全表掃描

全表掃描往往發(fā)生在下面幾種情況:

• SQL的on子句或者where子句涉及到的列上沒有索引；
• 表數(shù)據(jù)量很小，走索引查詢比全表掃描更麻煩；這對(duì)于少于10行且行長度較短的表來說很常見

2.避免索引失效

不在索引列上做任何操作（計(jì)算，函數(shù)、自動(dòng)or手動(dòng)類型轉(zhuǎn)換），這樣會(huì)導(dǎo)致索引失效而轉(zhuǎn)向全表掃描。

存儲(chǔ)引擎不能使用索引中范圍條件右邊的列。這個(gè)是因?yàn)閍ge中查詢時(shí)范圍查詢了，pos列的索引就沒有生效了。

盡量使用覆蓋索引（只訪問索引的查詢（索引列和查詢列一致）），減少select *。

對(duì)于MySQL而言：

• mysql在使用不等于（!=或者<>）的時(shí)候無法使用索引會(huì)導(dǎo)致全表掃描
• is null,is not null也無法使用索引
• like 通配符開頭'%abc..'，mysql索引會(huì)失效會(huì)變成全表掃描的操作

3.避免排序，不能避免，盡量選擇索引排序

4.避免查詢不必要的字段

5.避免臨時(shí)表的創(chuàng)建，刪除